基于模糊系数的投资组合选择模型

组合证券的期望收益率用区间数来描述,风险损失率用梯形模糊数来描述,由此提出组合证券投资的模糊线性规划模型.通过引入模糊数可能性均值的概念,以及区间数线性规划问题中的目标函数优化水平参数η,将目标函数和约束条件分别为区间数和梯形模糊数的模糊线性规划模型转化为普通的线性规划模型,进而求得模型的满意解.     

用模拟退火算法训练神经网络的实例

模拟退火算法是一种用于求解大规模优化问题的随机搜索算法,它以优化问题求解过程与物理系统退火过程之间的相似性为基础,优化的目标函数相当于金属的内能,优化问题的自变量组合状态空间相当于金属的内能状态空间,问题的求解过程就是找一个组合状态,使目标函数值最小。利用Metropolis准则并适当地控制温度的下降过程实现模拟退火,从而达到在多项式时间内求解全局优化问题的目标。本文用1—4—4—1的网络结构对函数y=x＊sin（x）＋2进行模拟退火训练。     

模糊权值网络最短路问题的数学模型及算法

模糊权值网络的最短路问题是一类重要的网络优化问题.针对边权值为三角模糊数的模糊权值网络的最短路问题,基于模糊数的结构元加权序,将其模糊线性规划模型等价转化为经典的线性规划模型,并提出一种改进的权矩阵算法来求解该问题,算法证明和应用实例表明新算法的正确性和有效性.此外对于边权值为其他形式模糊数的模糊权值网络的最短路问题,文中模型和算法同样有效.     

基于均值漂移的运动目标跟踪算法研究

为了实现在复杂环境下运动目标跟踪,提出了一种基于均值漂移的运动目标跟踪算法.该算法用帧间差法在复杂背景中获取目标模型,引入卡尔曼滤波器减少均值漂移算法迭代次数、解决遮挡问题,通过调节核函数带宽来改变跟踪窗口大小,以保证获取目标完整信息.实验结果表明,该算法不需要目标的先验知识即能实现复杂背景下对运动目标稳定、准确的跟踪,对目标遮挡有很好的鲁棒性.     

多目标的混合生物地理学优化算法研究

针对传统多目标算法在应用中解决多目标优化问题时存在的Pareto前沿收敛不好、解集均匀性差等问题,文章通过实例对BBO算法进行研究和综合分析,将其与传统经典多目标算法相互结合来求解多目标优化的问题.首先,将其与NS-GA-Ⅱ算法相结合提出一种混合多目标BBO优化算法;然后,改进BBO的迁移算子应用于群体的进化,增强了种群的多样性;最后,提出一种改进的变异算子,防止种群陷入局部收敛.将提出的基于生物地理学的多目标优化算法(MOBBO),通过标准函数测试和经典的进化的多目标优化算法进行比较,结果表明该算法所得的Pareto最优解集能够逼近真正的Pareto前沿,具有一定的竞争性.     

基于CRI算法的蕴涵算子族L-λ-G模糊系统

针对蕴涵算子族L-λ-G,首先讨论了基于CRI算法的模糊系统及其响应性能.结果表明,蕴涵算子族L-λ-G模糊系统只具有阶跃输出能力,不具有函数逼近泛性.其次揭示了蕴涵算子族L-λ-G模糊系统的概率意义,给出了其概率分布,它充当模糊系统的"系统内核"作用.     

带补偿的二层随机规划逼近算法研究

为了将带补偿的二层随机规划问题转化为确定性优化问题，探讨了以随机变量的子样为条件，用经验均值逼近目标函数的转化方法．算例及其结果分析表明，这种方法不要求了解所涉及的随机变量的分布，从而降低了求解难度．     

一种基于投影法的直觉模糊多属性群决策方法

在直觉模糊环境下提出了一种基于投影法和加权记分函数的多属性群决策方法.在该方法中,根据各个决策在理想决策上的投影确定各专家的权重,将群决策问题转化为决策问题,利用加权记分函数确定各属性权重进而得到最优方案.通过具体实例说明了该算法的有效性和可行性.     

用模糊推理机制调整RPCL算法中的惩罚力度

关于聚类已经有一些相当成熟的算法,但是这些算法都要事先给定聚类个数,带有很大的主观性.针对此问题,惩罚次胜者竞争学习算法(RPCL)通过初始化足够多聚类中心,并且把多余的聚类中心排挤到离数据区足够远的地方来自动确定聚类个数.试验表明这种算法在很多情况下有着良好的运用,但是该算法学习速度比较慢,在处理类别界限模糊的数据集时往往得不到正确的分类.针对它存在的问题,用几条模糊控制规则,提出了惩罚次胜者模糊竞争学习算法以达到自动调整次胜者学习速度的目的.实验表明,惩罚次胜者模糊竞争学习算法更优秀.     

基于机理模型和模糊加权最小二乘支持向量机(LSSVM)算法的农杆菌发酵过程混合建模与优化

针对农杆菌ATCC31749发酵法产凝胶多糖过程中产物质量浓度预测精度不高问题,提出一种基于模糊加权最小二乘支持向量机(least squares support vector machine,LSSVM)算法和机理模型相结合的混合建模新方法。首先通过添加模糊加权思想和混合核函数方法对LSSVM算法进行优化,并用优化后的LSSVM求解农杆菌ATCC31749发酵过程动力学模型,结合鸟群算法对动力学模型参数进行寻优;然后拟合出溶氧体积分数和各参数之间的关联函数模型,并代入到动力学模型,建立起以溶氧浓度作为关键控制变量的发酵动力学模型;最后,用鸟群算法对模型进行寻优,寻找使得发酵产物浓度最大的最优溶氧过程控制策略。实验仿真结果表明,混合模型的预测精度得到提高,产多糖期溶氧体积分数控制为52%时,产物质量浓度最大,为48.85 g/L。该研究所建立的农杆菌发酵过程混合模型及其溶氧优化结果,为发酵工业上进一步通过最佳溶氧控制策略来提高多糖产量提供了方向。